GenAI 生态系统

知识图谱为每一次生成式 AI 模型交互提供了更准确的响应、丰富的上下文和可解释性。通过将知识图谱与原生向量搜索相结合，您可以利用 Graph RAG（检索增强生成）获得两者的优势。

语言模型还可以用于从非结构化文本中提取实体及其关系，从而构建和丰富知识图谱。

如何开始

如果您想学习 LLM 和知识图谱如何结合以改进 GenAI 应用程序，请查看 GraphAcademy 上的 Neo4j & LLM 课程。

Neo4j GenAI 生态系统是一系列工具和集成的集合，旨在简化在 Neo4j 中使用 LLM 的过程。

GraphRAG 结合了一个从非结构化文本中提取实体和关系的摄取过程，并进一步利用图算法进行丰富和总结。检索步骤随后将知识图谱与向量搜索相结合，从而导航到比初始文本块更相关的信息。

我们在 Neo4j Labs 构建了许多工具，旨在演示将图与 LLM 结合的力量。所有这些工具都是开源的，您可以直接使用、贡献代码，或者从中学习并构建您自己的工具。

Neo4j 与主要云服务提供商合作，在他们的平台上创建了 GenAI 集成和示例。

Neo4j 增加了许多功能，使构建 GenAI 应用程序和将 LLM 与知识图谱集成变得更加容易。

Neo4j 和我们的社区已经为许多这些框架贡献了集成。您可以在本节的页面中找到这些集成的概览，以及代码示例、教程等。

智能体框架为开发人员提供了构建模块，以将语言模型连接到工具、内存和 Neo4j 等外部数据源。智能体可以进行多步推理、选择要调用的工具，并根据中间结果调整其行为。

智能体平台是用于大规模部署和运行 AI 智能体的托管式企业级环境。它们提供托管运行时、可观测性、治理和市场集成，Neo4j 可通过 MCP 或 REST 作为知识工具使用。